去光照条件下人脸识别算法的研究和实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 引言 | 第14页 |
| 1.2 课题研究的背景和课题研究的意义 | 第14-15页 |
| 1.3 人脸识别相关技术简介 | 第15-18页 |
| 1.3.1 人脸识别所研究的内容 | 第15-17页 |
| 1.3.2 人脸识别技术的研究现状 | 第17页 |
| 1.3.3 人脸识别的难点问题 | 第17-18页 |
| 1.3.4 人脸识别技术的应用 | 第18页 |
| 1.4 本文的创新点和文章内容安排 | 第18-20页 |
| 1.4.1 本文的创新点 | 第18页 |
| 1.4.2 文章内容安排 | 第18-20页 |
| 第二章 光照处理法 | 第20-26页 |
| 2.1 光照模型概述 | 第20-21页 |
| 2.1.1 冯模型 | 第20-21页 |
| 2.1.2 朗伯模型 | 第21页 |
| 2.2 光照处理算法研究 | 第21-24页 |
| 2.2.1 光照归一化算法 | 第21-23页 |
| 2.2.2 基于人脸建模算法 | 第23页 |
| 2.2.3 提取光照不变量算法 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于稀疏约束的非负矩阵分解 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 向量稀疏化 | 第26-28页 |
| 3.2.1 稀疏度 | 第26-27页 |
| 3.2.2 曼哈顿距离最接近向量稀疏化 | 第27-28页 |
| 3.2.3 欧几里得距离最接近向量稀疏化 | 第28页 |
| 3.3 基于稀疏约束的非负矩阵分解 | 第28-31页 |
| 3.3.1 非负矩阵分解 | 第28-29页 |
| 3.3.2 基于稀疏约束的非负矩阵分解 | 第29-31页 |
| 3.4 实验与分析 | 第31-35页 |
| 3.4.1 向量的稀疏化 | 第31-33页 |
| 3.4.2 基于稀疏约束的非负矩阵分解 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于NMF的光照标准化 | 第36-52页 |
| 4.1 引言 | 第36页 |
| 4.2 基于NMF的光照标准化 | 第36-39页 |
| 4.2.1 基于NMF的光照标准化算法 | 第36-38页 |
| 4.2.2 基于NMF的光照标准化算法流程 | 第38-39页 |
| 4.3 实验与分析 | 第39-49页 |
| 4.4 本章小结 | 第49-52页 |
| 第五章 实时人脸识别 | 第52-56页 |
| 5.1 人脸识别原理 | 第52页 |
| 5.2 实验室自建库 | 第52-53页 |
| 5.3 光照标准化 | 第53-54页 |
| 5.3.1 预处理 | 第53页 |
| 5.3.2 光照标准化 | 第53-54页 |
| 5.4 人脸识别 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 研究成果及发表的学术论文 | 第64-66页 |
| 作者及导师简介 | 第66-68页 |
| 附件 | 第68-69页 |
